redis: 记录一次线上redis内存占用过大问题解决过程

引言

记录一次线上redis占用过大的排查过程，供后续参考

问题背景

测试同事突然反馈测试环境的web系统无法登陆，同时发现其他子系统也存在各类使用问题

排查过程

1、因为首先反馈的是测试环境系统无法登陆，于是首先去查看了登陆功能的报错信息，一查看服务器日志首先发现了redis集群宕机的问题

同时也有其他的一些redis相关报错

2、由此可知，肯定是redis出现了问题，那么进一步排查redis节点情况

3、因为redis部署的是集群，首先到服务器上通过top指令查看了各个节点的内存、cpu占用情况

4、结果发现有两个节点的内存占用高达15G

5、单独登陆这两个节点，通过INFO指令查询节点详细状态

redis-cli -p <端口> 
INFO

6、结果发现这两个节点的内存占用确实异常，而且这两个节点是主从节点。那么问题到这里有基本清晰了，以下基本就是两个方向：

• 1. 产生了大量的key，没有及时清理导致内存占用过多
• 2. 某几个key其值异常大，没有及时清理导致内存占用过多

但这里其实偏向于第2点，因为是集群模式下某一主从节点都出现该问题，说明是某一个hash段的key分配到这个节点上的很大。

通过通过INFO指令查询到redis中占用的key数量只有1百多万，不算很多，所以基本也定位到是第2点的可能性了。

7、要查询是否有占用内存较大的key, 可以通过bigkeys指令。如下图所示，可以看到其中jms_log_list的key占用内存高达50%

redis-cli -p <服务端口> -a <认证密码> --bigkeys

再详细查询这个key的占用空间，单位bytes，换算下来将近10G

memory usage <key> 

8、到这里问题就基本明朗了，通过key值去查询代码，发现这个数据是list类型的，其作用就是作为一个临时队列。再去查看这个队列的消费者，发现这个服务没有正常消费

9、到服务器上查看消费者服务的状态，发现服务并没有运行。经调查为上周末测试服务器机房断电后，启动服务时把这个消费者服务漏了，经过几天的运行，数据累计到一定地步导致内存占用过大了。从而影响了整个redis集群的运行。

10、后续关掉了一个从节点，让主节点有足够的内存空间可以运行，同时把消费者服务启动起来了，为了加快消费，还临时增加了消费者的节点数，主节点消费完成后再将从节点启动起来，让从节点逐步同步主节点的数据

11、最终解决问题，由此引申出一个redis内存占用过大的问题排查思路，也提醒我们，完善测试环境的开机自启脚本，同时遇到此类问题，要结合服务器情况，耐心思考、解决问题。